人人都能看懂的MCP科普，AI大模型的「万能拓展坞」来了！

最近 DeepSeek 普及，大家肯定都习惯做啥事都先问一问。

但有个问题，为什么 AI 集成已有服务的进展这么缓慢？每个功能都是孤立，自己来回复制黏贴。

我大概能猜到的理由：1）数据敏感 2）缺少标准。说白了没人挑头搞事。

昨天奥特曼直接申明支持 MCP（Model Context Protocol），而这个标准是 Claude(Anthropic) 主导发布的，相当于两个重量级公司都支持了。

说个题外话，本来最好的机会应该属于 OpenAI，当时 GPT 横扫全球，但是逐渐变成了 CloseAI，发布的 GTPs 也逐渐没了声响，最终只能「很高兴」地接入 MCP。

一、什么是MCP

一切的起源是 anthropic 官网的这篇文章：https://www.anthropic.com/news/model-context-protocol

里面是这么描述的：

It provides a universal, open standard for connecting AI systems with data sources, replacing fragmented integrations with a single protocol. The result is a simpler, more reliable way to give AI systems access to the data they need.

它为连接 AI 系统和数据源提供了一个通用开放标准，用单一协议取代了分散集成。结果是 AI 系统可以更简单、更可靠地访问其所需数据。

再有就是网站：https://modelcontextprotocol.io/introduction 中，如此描述：

MCP 是一种开放协议，它标准化了应用向 AI 应用提供上下文的方式。您可以将 MCP 视为 AI 应用的 USB-C 端口。正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。

上面的图片，很形象的展示了 MCP 的功能，就像是扩展坞——别管电脑（大模型）有什么接口了，其他设备（软件）都给我接上扩展坞（MCP），就都能连上了。

至于图片里 MCP Host / Client / Server 具体是啥，其实对于大多数人来说不重要。

二、为什么需要 MCP

肯定有人会问：AI 智能体（Agent）平台不是可以解决类似的问题？比如写作公众号文章，利用 Coze 就可以一键写作加发布到平台，也没有上面提到的问题啊？

平台上提供的可以调用工具的模型，都是带有 functionCall 标记的，具体实现是跟模型和平台强相关的。

比如上面展示的 DeepSeek 带工具调用的模型，也不是跟普通版本一起上线，说明每个模型都有额外的开发成本，无法直接套用。

那就更不用提不同平台之间了，几乎就不可能兼容。

综合来看，就是 functionCall 方案，在不同模型、不同 AI Agent 平台之间无法通用。

而 MCP 的优势就体现出来了—— 用程序员的说法就是，不用重复造轮子了，而更大的优势是能更好地构建一个可以处理复杂、多步对话和统一上下文的 AI Agent。

三、MCP 的工作原理

先看下官方的架构图。

• MCP 主机（MCP host） ：希望通过 MCP 访问数据的程序，例如 Claude Desktop、IDE 或 AI 工具。

• MCP 客户端（MCP client）：与服务器保持 1:1 连接的协议客户端。类比业务专员，特定需求派特定的人去对接。

• MCP 服务器（MCP server） ：轻量级程序，每个程序都通过标准化模型上下文协议公开特定功能。类比业务专属「翻译官」，让客户端和各个数据源对接。

• 本地数据源（Local Data Sources） ：MCP 服务器可以安全访问的你计算机里的文件、数据和服务。

• 远程服务 （Remote Services）：MCP 服务器可通过互联网（例如通过 API）连接到的外部服务。

一个业务流程图可能是这样的：

整个流程是这样的：你的问题 → Host → 大模型 → 需要特定功能 → Client 连接 → Server → 执行操作 → 返回结果 → 大模型生成回答 → 显示答案。

四、MCP 的展望

有了 MCP，下面的场景就不再是幻想：

• 直接通过 IDE 利用其他工具制作交互图片，自动写代码，最后提交到代码仓库

• 直接打开手机各个购物平台获取商品信息和价格，并且比对产品并下单

• 通过某一个 AI 应用来做到联网搜索、发送邮件、发布自己的博客等等

• 。。。

你可以理解为一个简化版本的「贾维斯」，以前只可能出现在科幻电影了，现在至少能想象下它的雏形了。

大家后续想实现类似功能，就不用自己开发了，这里有官方住址的一些实现案例： https://github.com/modelcontextprotocol/servers。

但整体还是比较混乱，有很多缺少教程和文档，使用还是得费点心。

Cursor 用户可以参考文档：https://cursor.directory/。

结语

MCP 标志着 AI 从「嘴强王者」到「实干派」的重大转变。

不仅是提高了我们的工作效率那么简单，甚至存在开辟全新生活方式的可能性。

 

 大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书 

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集***

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓